Publication

Introducing Temporal Asymmetries in Feature Extraction for Automatic Speech Recognition

2008
Reports

Résumé

We propose a new auditory inspired feature extraction technique for automatic speech recognition (ASR). Features are extracted by filtering the temporal trajectory of spectral energies in each critical band of speech by a bank of finite impulse response (FIR) filters. Impulse responses of these filters are derived from a modified Gabor envelope in order to emulate asymmetries of the temporal receptive field (TRF) profiles observed in higher level auditory neurons. We obtain $11.4\%$ relative improvement in word error rate on OGI-Digits database and, $3.2\%$ relative improvement in phoneme error rate on TIMIT database over the MRASTA technique.

Source officielle

https://infoscience.epfl.ch/entities/publication/6286d120-a858-449e-bb16-169d0e617cba

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2008
Reports

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/6286d120-a858-449e-bb16-169d0e617cba

À propos de ce résultat

Concepts associés (32)

Reconnaissance automatique de la parole

vignette|droite|upright=1.4|La reconnaissance vocale est habituellement traitée dans le middleware ; les résultats sont transmis aux applications utilisatrices. La reconnaissance automatique de la parole (souvent improprement appelée reconnaissance vocale) est une technique informatique qui permet d'analyser la voix humaine captée au moyen d'un microphone pour la transcrire sous la forme d'un texte exploitable par une machine.

Filtre à réponse impulsionnelle infinie

Un filtre à réponse impulsionnelle infinie ou filtre RII (en anglais infinite impulse response filter ou IIR filter) est un type de filtre électronique caractérisé par une réponse fondée sur les valeurs du signal d'entrée ainsi que les valeurs antérieures de cette même réponse. Il est nommé ainsi parce que dans la majorité des cas, la réponse impulsionnelle de ce type de filtre est de durée théoriquement infinie. Il est aussi désigné par l'appellation de filtre récursif. Ce filtre est l'un des deux types de filtre numérique linéaire.

Filtre à réponse impulsionnelle finie

En traitement du signal, un filtre à réponse impulsionnelle finie ou filtre RIF (en anglais Finite Impulse Response filter ou FIR filter) est un filtre dont la réponse impulsionnelle est de durée finie. On parle le plus souvent de filtre RIF pour des filtres à temps discret. Un filtre numérique RIF est caractérisé par une réponse uniquement basée sur un nombre fini de valeurs du signal d'entrée. Par conséquent, quel que soit le filtre, sa réponse impulsionnelle sera stable et de durée finie, dépendante du nombre de coefficients du filtre.

Afficher plus

Publications associées (3)

Introducing Temporal Asymmetries in Feature Extraction for Automatic Speech Recognition

Chattez avec Graph Search

Spiking neural networks for sound localization: A new perspective on illuminating auditory spatial perception

Exploiting semi-supervised training through a dropout regularization in end-to-end speech recognition

A Sector-Based, Frequency-Domain Approach to Detection and Localization of Multiple Speakers